Word DOCX কন্টেন্টকে ওয়েব-রেডি HTML-এ রূপান্তর করার জন্য Python API

Python-Mammoth দিয়ে শুরু করা

Python-Mammoth PyPI-তে হোস্ট করা আছে, তাই এটি ইনস্টল করা খুব সহজ। নিচের কমান্ড দিয়ে pip ব্যবহার করে এটি ইনস্টল করা যায়।

 pip install mammoth 

Python ব্যবহার করে Word DOCX থেকে HTML রূপান্তর

ওপেন-সোর্স Python-Mammoth লাইব্রেরি সফটওয়্যার ডেভেলপারদের Microsoft Word DOCX ফাইলকে Python অ্যাপ্লিকেশনের মধ্যে HTML-এ লোড এবং রূপান্তর করা সহজ করে। লাইব্রেরির অন্যতম প্রধান ফিচার হল এর পরিষ্কার, সেম্যান্টিক HTML আউটপুট তৈরির ক্ষমতা। এটি অপ্রয়োজনীয় ইনলাইন স্টাইল বা প্রোপ্রাইটারি ট্যাগ অন্তর্ভুক্ত করা এড়িয়ে যায়, নিশ্চিত করে যে চূড়ান্ত HTML হালকা এবং CSS দিয়ে স্টাইল করা সহজ থাকে। নিচের উদাহরণটি দেখায় কিভাবে DOCX কন্টেন্টকে HTML-এ রূপান্তর করা হয়, যা প্রদর্শন বা আরও স্টাইল করার জন্য প্রস্তুত।

 import mammoth

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file)
    html = result.value # The generated HTML
    messages = result.messages # Any messages, such as warnings during conversion

কাস্টম স্টাইল ম্যাপিং সাপোর্ট

Python-Mammoth লাইব্রেরি কাস্টমাইজেশন অপশন সরবরাহ করে, যা সফটওয়্যার ডেভেলপারদের টেক্সট এক্সট্র্যাকশন প্রক্রিয়াকে তাদের নির্দিষ্ট প্রয়োজন অনুযায়ী সূক্ষ্ম-সেটিং করতে দেয়। ডেভেলপাররা কাস্টম স্টাইল ম্যাপিং নির্ধারণ করতে পারে, যাতে DOCX স্টাইলগুলো নির্দিষ্ট HTML উপাদানে রূপান্তরিত হয়। এটি ডকুমেন্ট কন্টেন্ট রেন্ডারিংয়ে আরও বেশি নমনীয়তা প্রদান করে। এখানে একটি উদাহরণ রয়েছে, যা দেখায় কীভাবে DOCX-এ Heading 1 স্টাইল স্পষ্টভাবে Python অ্যাপ্লিকেশনের মধ্যে একটি HTML h1 ট্যাগে ম্যাপ করা হয়।

style_map = "p[style-name='Heading 1'] => h1:fresh"
with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file, style_map=style_map)
    html = result.value
print(html)

 

Python ব্যবহার করে DOCX ইমেজগুলোকে HTML-এ রূপান্তর

ওপেন-সোর্স Python-Mammoth লাইব্রেরি সফটওয়্যার ডেভেলপারদের Microsoft Word DOCX ফাইল থেকে ইমেজ এক্সট্র্যাক্ট করা এবং ফলিত HTML-এ অন্তর্ভুক্ত করা সহজ করে। ডিফল্টভাবে, ইমেজ রেফারেন্সগুলো URL হিসেবে অন্তর্ভুক্ত হয়ে থাকে, তবে ডেভেলপাররা ইমেজের হ্যান্ডলিং কাস্টমাইজ করতে পারে। এখানে একটি উদাহরণ রয়েছে, যা দেখায় কীভাবে DOCX ফাইলের ইমেজগুলো Python কমান্ড ব্যবহার করে HTML আউটপুটে সংরক্ষিত হয়।

with open("document.docx", "rb") as docx_file:
    result = mammoth.convert_to_html(docx_file, convert_image=mammoth.images.img_element())
    html = result.value

print(html)

 

লেআউট বিশ্লেষণ

ওপেন-সোর্স Python-Mammoth লাইব্রেরি Word DOCX ডকুমেন্টের লেআউট বিশ্লেষণ করতে পারে, টেবিল, ইমেজ এবং টেক্সট ব্লকের মতো উপাদানগুলো চিহ্নিত করে। এই ফিচারটি সঠিক লেআউট তথ্য এক্সট্র্যাকশন প্রয়োজনীয় অ্যাপ্লিকেশনের জন্য অপরিহার্য।